CN115099162A - 一种复杂地形下风场的订正方法 - Google Patents
一种复杂地形下风场的订正方法 Download PDFInfo
- Publication number
- CN115099162A CN115099162A CN202211015833.6A CN202211015833A CN115099162A CN 115099162 A CN115099162 A CN 115099162A CN 202211015833 A CN202211015833 A CN 202211015833A CN 115099162 A CN115099162 A CN 115099162A
- Authority
- CN
- China
- Prior art keywords
- wind
- terrain
- slope
- divergence
- wind speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Atmospheric Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Software Systems (AREA)
- Environmental Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明提供一种复杂地形下风场的订正方法,属于气象预测方法技术领域,现有的山地预测手段无法针对复杂地形地貌且公里级的风场精细化订正的问题,本发明方法步骤包括:根据复杂地形地貌形态特征数据进行地形分类划分,构建地形类型空间分布;以观测站点为中心建立地形空间分布与风场的风速风向空间拟合关系;建立风场与相应地形特征参数的多元回归模型,形成局地地形‑气象订正方法;利用气象统计方法对多元回归模型提前预测的风速风向进行验证比较分析、优化并形成局地地形‑气象降尺度模型,实现复杂地形下的局地地形降尺度,弥补气象观测站网观测密度不够的问题,可以更好的利用高分辨率数值预报产品开展风场产品释用工作。
Description
技术领域
本发明涉及气象预测方法技术领域,特别是涉及一种复杂地形下风场的订正方法。
背景技术
山地地形地貌特征研究一直是地理地貌学领域传统的研究内容,作为直接影响人类活动的一个基本要素,与经济建设、社会发展、防灾减灾等方面关系密切。地形对气候的影响在于山地的迎风坡和背风坡常形成不同的自然环境,进而形成了不同的人文环境。
学者们在地貌形态学方面的研究主要为:基于DEM数据,提取地形地貌因子对单一或固定的一些地貌形态特征(也称地形因子)进行分析和划分指标的研究,或者从遥感影响角度获取地貌形态特征,对真实地形进行了一定程度上的刻画和描述,能够获得不同的地貌形态分布图。
我国常规气象站一般都随城镇建设在平原或平坝地区,山地测风资料较为缺乏,如何合理可靠地分析及预测山地风,一直是气象预报的一大难题。
目前针对山地风缺乏的问题,主要采取手段:一是建设观测站点,增加数据监测密度;二是利用气象数据根据地形数据进行插值,但往往插值方法比较传统且对大尺度山地风有一定的订正效果。对于复杂地形地貌且公里级的风场精细化订正技术较为缺乏。
而山地风场往往是山地工程建设所需要的基本气象资料,例如很多长距离的超、特高压输电线路常常规划和建设在山地,一些风电场及太阳能电站也规划和建设在山地。由于山地地形多变,风场的变化特性非常复杂,山区大风对电力工程建设、线路安全有着非常重要的影响,如何合理可靠地分析确定山地风速,从而进行山地电力工程设计,一直是电力工程气象勘测的重大难题,适用于复杂地形下风场资料的订正技术方法是所急需的。
基于以上问题,本发明一种复杂地形下风场的订正方法。
发明内容
针对上述技术背景中的问题,本发明目的是提供一种复杂地形下风场的订正方法,利用山地常规气象站观测资料、高分辨率的数值模式资料和地形数据,建立复杂地形下山地与风场的订正模型,给予山地风预报预测提供参考,同时可为山地工程建设的经济合理性与运行的安全性、可靠性提供一些参考,解决了背景技术中所提出现有的山地测手段无法针对复杂地形地貌且公里级的风场精细化订正的问题。
为实现上述目的,本发明的技术方案为:
一种复杂地形下风场的订正方法,包括以下步骤:
根据复杂地形地貌形态特征数据进行地形分类划分,构建地形空间分布;
以观测站点为中心建立地形空间分布与风场的风速风向空间拟合多元回归模型框架;
建立典型风场与相应地形特征参数的多元回归模型,形成局地地形-气象订正方法;
利用气象统计方法对多元回归模型提前预测的风速风向进行验证比较分析、优化并形成局地地形-气象降尺度模型。
进一步的,所述地貌形态特征数据包括DEM数据和气象数据,通过所述气象数据包含的风速风向数据和所述DEM数据所包含的海拔高度来计算高度平流和地形散度,并以此进行地形类型分类,主要为平坝、迎风坡、背风坡、山脊、山(河)谷、风口。
更进一步的,通过所述风速风向和所述海拔高度来计算高度平流和地形散度的方法为:
坡度坡向,也称海拔高度梯度,表示为:
坡度大小,即坡度坡向的模,利用纬向坡度和经向坡度表示为:
其中h为坡度,m为模,hm指坡度的模,hx指x方向的坡度,hy指y方向的坡度;
利用气象学中速度散度的概念,定义地形散度为坡度坡向的散度,表示为:
纬向坡度:
经向坡度:
更进一步的,依据所述高度平流和所述地形散度进行地形分类的方法:
进一步的,在构建风速风向空间拟合多元回归模型框架过程中,风场的风速风向取7天内、1小时间隔、3-5公里的区域数值风场格点资料。
更进一步的,分析风场的风速风向与相应格点的地形特征参数的统计关系。
更进一步的,根据反距离加权平均插值法拟合的标准化风速风向及实际风速风向的平均值和标准差计算拟合的风速风向。
每个格点的标准化变量拟合方程的形式为:
与现有技术相比,本发明具有如下优点:
本发明通过复杂地形地貌形态特征数据进行地形分类划分,构建地形类型空间分布,同时以观测站点为中心建立地形空间分布与风场的风速风向空间拟合多元回归模型框架,将观测数据与地形类型空间匹配起来,然后建立风场与相应地形特征参数的多元回归模型,形成局地地形-气象订正方法,并通过多次预测验证分析优化形成局地地形-气象降尺度模型,通过局地地形-气象降尺度模型可以有效的改善山地测风缺失的情况,而且物理意义明确,可应用于不同的分辨率,实现复杂地形下的局地地形降尺度,弥补气象观测站网观测密度不够的问题,可以更好的利用高分辨率数值预报产品开展风场产品释用工作,提供精细化网格化的风场产品,将公里量级的风场产品应用到气象预报服务和山地工程建设中。
附图说明
图1为本发明所提供的一种复杂地形下风场的订正方法实施例一的流程示意图;
图2为本发明所提供的搜寻风口9点模型示意图。
具体实施方式
实施例1
参考图1,本实施例中提供冬奥会张家口复杂地形下山地与风场的订正模型,流程图可参考图1,具体地,包括以下步骤:
首先利用山地区域国家常规气象站和加密自动气象站观测资料、高分辨率数值模式模拟同化资料、地形资料,研究地形复杂的四川省西南部山地与平坝风速关系,建立山地典型地形与平坝风速关系的数学模型,给予山地电力工程建设的经济合理性与运行的安全性、可靠性提供一些参考。
S100:根据地貌形态特征进行地形分类划分,构建地形空间分布。
本实施例中,使用风速风向和海拔高度来计算高度平流和地形散度,从而构建地形分类,主要为平坝、迎风坡、背风坡、山脊、山(河)谷、风口。然后执行步骤S200;
坡度坡向,也称海拔高度梯度,表示为:
坡度大小,即坡度坡向的模,利用纬向坡度和经向坡度表示为:
利用气象学中速度散度的概念,定义地形散度为坡度坡向的散度,表示为:
其中,纬向风速和经向风速为风矢量在东西方向(方向)和南北方向(方向)
的分量,纬向风速和经向风速两者共同表示风矢量;纬向坡度和经向坡度为坡度坡向在东西方向(方向)和南北方向(方向)的分量,纬向坡度和经向
坡度两者共同表示坡度坡向。
利用上述物理量,给出不同类型地形的定量指标进行地形分类。
(1)平坝:连续的2×2个格点范围,坡度小值和地形散度辐合区。
(2)迎风坡和背风坡:由风速方向和和坡度方向共同确定的。对每一个格点,若风
为低海拔吹往高海拔,则划分该格点为迎风坡,数学上则是的夹角大于90º、或者
的值小于0;若风为高海拔吹往低海拔,则划分该格点为背风坡,数学上则是的夹角
小于90º、或者的值大于0。
(5)风口:通常也是地形海拔高度场分布的山口(河口)鞍形场区域、且风速值相对较大。本研究对海拔高度的鞍形场区域用最简单的9点模型进行搜寻。如图2所示,用图中风口点h0与其周围h1、h2、......、h8的8个格点的海拔高度,判定h0点为鞍形场的条件是满足表4-1中的4个条件之一;同时h0点的风速大于3m/s,h0点就是风口。
表1 地形客观分类的定量指标
S200:进行风场与地形的关系拟合(研究风速风向与地形的关系,建立拟合关系)。以观测站点为中心,使用地形分类方法和风速风向格点资料,研究风场与相应格点的地形分类的统计关系。
本实施例中,风场拟合选择地形空间中的6类典型地形开展,然后再根据反距离加权平均插值法拟合的标准化风速风向及实际风速风向的平均值和标准差计算拟合的风速风向值。然后执行步骤S300;
S300:建立多元回归模型(建立典型风场与相应地形特征参数的多元回归模型),形成局地地形-气象订正方法。
每个格点的标准化变量拟合方程的形式为:
本实施例中,由于风速风向变化的局地特征非常显著,大范围拟合的结果有很大的不确定性,本发明拟选择典型地形类型的观测站点为中心,然后执行步骤S400;
S400:优化并形成局地地形-气象降尺度模型。利用气象统计方法,将S300形成的局地地形-气象订正后的数据与观测风速风向进行比较分析,形成最终的局地地形-气象降尺度模型。
实施例2
基于实施例1的系统,本实施例中提供冬奥会张家口复杂地形下山地与风场的订正模型。流程图可参考图1,具体地,包括以下步骤:
首先研究冬奥会张家口局地地形的地形地貌特征,利用山地常规气象站观测资料、高分辨率的数值模式资料和地形数据,采用气象降尺度技术,针对缺气象观测站点的山区进行风场测算方法及其应用,解决冬季复杂地形条件下地面风场精细预报的北京冬奥会气象服务的核心科学技术问题。
S100:根据地貌形态特征进行地形分类划分,构建地形空间分布,形成平坝、迎风坡、背风坡、山脊、山(河)谷、风口等地形分类;然后执行步骤S200;
本实施例中,地形数据采用DEM数据,研究局地地形地貌特征;气象数据采用常规观测场风场数据和高分辨率的数值模式资料;综合考虑风速风向与坡度坡向的关系表示不同类型地形特征,形成张家口崇礼区复杂地形高分辨率地形高度特征参数,和地形分类,即山脊和山(河)谷、迎风坡和背风坡、风口、平坝。
S200:研究风速风向与地形的关系,建立拟合关系;
本实施例中,选取张家口崇礼西北和东南两个区域为典型区域,以海拔高度、地形散度作为变量因子,分别研究两个区域逐个时次的纬向风u和经向风v与地形因子的关系。然后执行步骤S300;
S300:建立典型风场与相应地形特征参数的多元回归模型;
本实施例中,以S200典型区域的观测站点为中心,结合风速风向格点资料、观测风场资料与相应格点的地形特征参数的统计关系,建立多元回归模型,形成局地地形-气象订正方法。然后执行步骤S400;
S400:优化基于网格数据参数的风场数据模型,形成研究区域复杂地形下的风场订正技术方法。
本实施例中,利用订正风场数据提前2小时预报多元回归订正风场与观测风场及高分辨率率数值模式预报风场的总体差异和统计特征,改善模式预报的风场。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (8)
1.一种复杂地形下风场的订正方法,其特征在于,包括以下步骤:
S1、根据复杂地形地貌形态特征数据进行地形分类划分,构建地形空间分布;
S2、以观测站点为中心建立地形空间分布与风场的风速风向空间拟合多元回归模型框架;
S3、建立典型风场与相应地形特征参数的多元回归模型,形成局地地形-气象订正方法;
S4、利用气象统计方法对多元回归模型提前预测的风速风向进行验证比较分析、优化并形成局地地形-气象降尺度模型。
2.根据权利要求1所述的一种复杂地形下风场的订正方法,其特征在于,所述地貌形态特征数据包括DEM数据和气象数据,通过所述气象数据包含的风速风向数据和所述DEM数据所包含的海拔高度来计算高度平流和地形散度,并以此进行地形类型分类。
3.根据权利要求2所述的一种复杂地形下风场的订正方法,其特征在于,通过所述风速风向和所述海拔高度来计算高度平流和地形散度的方法为:
坡度坡向,也称海拔高度梯度,表示为:
坡度大小,即坡度坡向的模,利用纬向坡度和经向坡度表示为:
其中h为坡度,m为模,hm指坡度的模,hx指x方向的坡度,hy指y方向的坡度;
利用气象学中速度散度的概念,定义地形散度为坡度坡向的散度,表示为:
纬向坡度:
经向坡度:
5.根据权利要求1所述的一种复杂地形下风场的订正方法,其特征在于,在构建风速风向空间拟合多元回归模型框架过程中,风场的风速风向取7天内、1小时间隔、3-5公里的区域数值风场格点资料。
6.根据权利要求5所述的一种复杂地形下风场的订正方法,其特征在于,分析风场的风速风向与相应格点的地形特征参数的统计关系。
7.根据权利要求5所述的一种复杂地形下风场的订正方法,其特征在于,根据反距离加权平均插值法拟合的标准化风速风向及实际风速风向的平均值和标准差计算拟合的风速风向。
8.根据权利要求1所述的一种复杂地形下风场的订正方法,其特征在于,根据典型风场
与相应地形特征参数建立所述多元回归模型建立方法:对逐个时次的纬向风和经向风进
行回归拟合建立模型,多元回归模型选取的组合变量因子如下:
每个格点的标准化变量拟合方程的形式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211015833.6A CN115099162B (zh) | 2022-08-24 | 2022-08-24 | 一种复杂地形下风场的订正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211015833.6A CN115099162B (zh) | 2022-08-24 | 2022-08-24 | 一种复杂地形下风场的订正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115099162A true CN115099162A (zh) | 2022-09-23 |
CN115099162B CN115099162B (zh) | 2022-11-15 |
Family
ID=83300174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211015833.6A Active CN115099162B (zh) | 2022-08-24 | 2022-08-24 | 一种复杂地形下风场的订正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115099162B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258023A (zh) * | 2023-05-15 | 2023-06-13 | 中国船舶集团风电发展有限公司 | 风电场的风速预测方法及终端设备 |
CN117077558A (zh) * | 2023-07-18 | 2023-11-17 | 西南林业大学 | 一种时空精细化的风速场构建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268366A (zh) * | 2013-03-06 | 2013-08-28 | 辽宁省电力有限公司电力科学研究院 | 一种适用于分散式风电场的组合风电功率预测方法 |
CN111401634A (zh) * | 2020-03-13 | 2020-07-10 | 成都信息工程大学 | 一种获取气候信息处理方法、系统、存储介质 |
CN113420458A (zh) * | 2021-07-14 | 2021-09-21 | 广东电网有限责任公司广州供电局 | 一种风场数据精细化处理方法、装置、终端及介质 |
CN113687447A (zh) * | 2021-08-13 | 2021-11-23 | 中国人民解放军国防科技大学 | 基于多种测风设备的局地区域风场监测方法 |
CN114330641A (zh) * | 2021-11-09 | 2022-04-12 | 国网山东省电力公司应急管理中心 | 基于复杂地形的深度学习的短期风速订正模型的建立方法 |
CN114840974A (zh) * | 2022-03-25 | 2022-08-02 | 中国气象局地球系统数值预报中心 | 一种适用于复杂地形的平流模式系统及其操作方法 |
-
2022
- 2022-08-24 CN CN202211015833.6A patent/CN115099162B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268366A (zh) * | 2013-03-06 | 2013-08-28 | 辽宁省电力有限公司电力科学研究院 | 一种适用于分散式风电场的组合风电功率预测方法 |
CN111401634A (zh) * | 2020-03-13 | 2020-07-10 | 成都信息工程大学 | 一种获取气候信息处理方法、系统、存储介质 |
CN113420458A (zh) * | 2021-07-14 | 2021-09-21 | 广东电网有限责任公司广州供电局 | 一种风场数据精细化处理方法、装置、终端及介质 |
CN113687447A (zh) * | 2021-08-13 | 2021-11-23 | 中国人民解放军国防科技大学 | 基于多种测风设备的局地区域风场监测方法 |
CN114330641A (zh) * | 2021-11-09 | 2022-04-12 | 国网山东省电力公司应急管理中心 | 基于复杂地形的深度学习的短期风速订正模型的建立方法 |
CN114840974A (zh) * | 2022-03-25 | 2022-08-02 | 中国气象局地球系统数值预报中心 | 一种适用于复杂地形的平流模式系统及其操作方法 |
Non-Patent Citations (3)
Title |
---|
SYLVAIN ROBERT .ETC: "Spatial prediction of monthly wind speeds in complex terrain with adaptive general regression neural networks", 《INTERNATIONAL JOURNAL OF CLIMATOLOGY》 * |
张弛等: "基于WRF/CALMET的近地面精细化风场的动力模拟试验研究", 《气象》 * |
郭新春等: "四川西南地区山地与平坝风速关系研究", 《电力勘测设计》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258023A (zh) * | 2023-05-15 | 2023-06-13 | 中国船舶集团风电发展有限公司 | 风电场的风速预测方法及终端设备 |
CN117077558A (zh) * | 2023-07-18 | 2023-11-17 | 西南林业大学 | 一种时空精细化的风速场构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115099162B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115099162B (zh) | 一种复杂地形下风场的订正方法 | |
Liston et al. | Simulating complex snow distributions in windy environments using SnowTran-3D | |
Yasutomi et al. | Development of a long-term daily gridded temperature dataset and its application to rain/snow discrimination of daily precipitation | |
CN111651885A (zh) | 一种智慧型海绵城市洪涝预报方法 | |
CN111428942B (zh) | 基于变网格技术提取微地形因子的线路覆冰厚度预测方法 | |
CN108090285A (zh) | 一种适用于复杂地形输电线路风灾监测的微气象观测布点方法 | |
CN110674467A (zh) | 基于swat模型的水文过程对气候变化的响应监测方法 | |
CN114201922A (zh) | 基于InSAR技术的动态滑坡敏感性预测方法及系统 | |
CN115115262B (zh) | 一种洪水风险灾害评估的方法 | |
KR101264873B1 (ko) | 단계적 회귀 분석을 이용한 풍력 밀도 예측 방법 | |
CN108808671A (zh) | 一种风电场短期风速集合预报方法 | |
Effat | Mapping solar energy potential zones, using SRTM and spatial analysis, application in Lake Nasser Region, Egypt | |
KR101313822B1 (ko) | 신경망 분석 기법을 이용한 풍력 밀도 예측 방법 | |
Mustafa et al. | Application of swat model for sediment loads from valleys transmitted to Haditha reservoir | |
CN114528672A (zh) | 基于3s技术的城市水文站网布设方法及系统 | |
Citakoglu et al. | Determination of monthly wind speed of Kayseri region with Gray estimation method | |
CN114093133A (zh) | 一种区域地质灾害气象预报预警方法 | |
Yu et al. | An operational application of NWP models in a wind power forecasting demonstration experiment | |
Assouline et al. | Machine learning and geographic information systems for large-scale wind energy potential estimation in rural areas | |
Zhang et al. | Spatial Distribution of High-temperature Risk with a Return Period of Different Years in the Yangtze River Delta Urban Agglomeration | |
De Blasi | Scale dependence of hydrological effects from different climatic conditions on glacierized catchments | |
Xu et al. | Do model results vary under different routing algorithms based on a distributed ecohydrological model? | |
CN110824477A (zh) | 一种地形订正降水面雨量的方法 | |
CN114626578B (zh) | 一种利用人工智能预报冻雨的方法 | |
CN111353666A (zh) | 一种基于野外环境监测站点的生态风险预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |